Python实现Excel箭头取值算法的完整教学

大家好，我是IT小本本，今天给大家案例一个在实际工作中，经常会遇到一种特殊的数据表：

例如下面这张Excel：

很多人第一眼看到都会疑惑：

这些箭头到底是什么意思？

其实它代表一种特殊的数据映射规则：

• ↑：向上寻找最近的有效值
• ↓：向下寻找最近的有效值
• 数字或文本：当前行的实际结果

这类数据在：

• 质量检测报告
• 设备编码映射
• 医疗数据分析
• ERP系统导出数据
• 生产工艺参数表

中十分常见。

今天我就使用 Python 自动完成这种取值逻辑。

一、业务规则分析

以部分数据为例：

A1 与 M 的取值均为 ↓。

规则：

向下寻找最近的非箭头值。

因此：

A1 → 15
M  → 15
H  → 15

再看：

对于 E：

向上查找最近有效值：P → 20

因此：P → 20

同理：

N → 20
T → 20
K → 20

二、算法思路

整体逻辑如下：

读取当前单元格
├─ 是数字
│      直接返回
│
├─ 是文本
│      直接返回
│
├─ 是 ↑
│      向上查找最近有效值
│
└─ 是 ↓
       向下查找最近有效值

流程图如下：

开始
 ↓
读取当前行
 ↓是否 ↑ ?

 ├─ 是 → 向上搜索
 │
 └─ 否
是否 ↓ ?
 ├─ 是 → 向下搜索
 │
 └─ 否
直接返回当前值
 ↓
结束

三、Python实现全部源代码

import pandas as pd
df = pd.read_excel("data.xlsx")
df["取值"] = df["取值"].astype(str)
result = []
for i in range(len(df)):
    value = df.loc[i, "取值"]
    # 有效值
    if value not in ["↑", "↓"]:
        result.append(value)
        continue
    # 向上查找
    if value == "↑":
        j = i - 1
        while j >= 0:
            tmp = str(df.loc[j, "取值"])
            if tmp not in ["↑", "↓"]:
                result.append(tmp)
                break
            j -= 1
    # 向下查找
    elif value == "↓":
        j = i + 1
        while j < len(df):
            tmp = str(df.loc[j, "取值"])
            if tmp not in ["↑", "↓"]:
                result.append(tmp)
                break
            j += 1
df["结果"] = result
df.to_excel("结果.xlsx", index=False)
print(df)

四、运行结果

原始数据：

生成结果：

五、性能测试

测试环境：

Python 3.12
Pandas 2.x

数据规模：

完全满足生产环境需求。

六、实际应用场景

这种箭头映射算法非常适用于：

1. 质量检测数据

A批次 ↓
B批次 ↓
标准值 15

自动继承标准值。

2. 设备参数配置

设备A ↑
设备B ↑
设备C 20

自动引用最近配置。

3. 医疗数据

患者A ↓
患者B ↓
参考值 7

自动填充参考指标。

4. ERP导出报表

很多ERP系统为了减少重复录入：

表示继承上下级数据。

Python可以自动完成解析。

以上就是Python实现Excel箭头取值算法的完整教学的详细内容，更多关于Python Excel箭头取值算法的资料请关注脚本之家其它相关文章！